MiniMax H3 Image testet: innebygd 4K, 16 referansebilder og bilde til video med H3

Innsikt7 min lesing
MiniMax H3 Image testet: innebygd 4K, 16 referansebilder og bilde til video med H3

MiniMax H3 Image vs Seedream 5.5 med de samme promptene: produkt, portrett, plakattekst, nattmarked, så 4K-detaljer, 6 bilder i ett, redigering og video.

  1. november lanserte MiniMax H3 Image, et søsken til videomodellen MiniMax H3. Budskapet i det offisielle blogginnlegget er rett frem: innebygd 4K, opptil 16 referansebilder i én forespørsel og én modell for både generering og redigering. Det mindre vanlige er at vektene ligger åpent på Hugging Face.

ZOOOP la til MiniMax H3 Image i KI-bildegeneratoren i dag. Før den ble lansert, kjørte jeg den og Seedream 5.5 gjennom det samme settet med prompter, og ga deretter ett av resultatene videre til H3-video for å se om et stillbilde derfra kunne komme i bevegelse med en gang.

Hva MiniMax H3 Image er

Det er ikke mange innstillinger, men hver av dem er raus. Prompter kan være opptil 32 000 tegn, nok til en hel side med storyboardnotater. Du får åtte sideforhold: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 og 9:16. Oppløsningen finnes i bare to trinn, 2K og 4K. I 4K er langsiden rundt 5120 piksler, så et 16:9-bilde kommer ut i 5120×2891.

La referansefeltet stå tomt, så er det tekst til bilde. Legg inn alt fra 1 til 16 bilder, så redigerer eller kombinerer den dem i stedet. Det den ikke kan, er gjennomsiktig bakgrunn, så til klistremerker eller ikoner som trenger en ren utklipping, må du bruke en annen modell.

Prismessig ligger 2K-valget i den billigere klassen, den samme som Seedream 5.5. 4K koster mer.

Slik testet jeg den

Sammenligningsmodellen er Seedream 5.5. Den går maks opp til 2K, så begge kjørte i 2K, ett bilde per prompt hver:

  • Produktbilde: et håndlaget, prikkete keramikkrus med kaffe på en linduk, ved siden av en croissant med ett bitt tatt av og en rosmarinkvist, morgenlys, 4:3
  • Miljøportrett: en eldre baker med melstøvete armer i et steinbakeri ved daggry, 3:4
  • Retro reiseplakat: overskriften "VISIT THE NORTHERN LIGHTS", "Tromsø · Winter 2026" langs bunnen, en liten rød hytte under nordlyset, 2:3
  • Luftbilde av et nattmarked i regnvær: hundrevis av lykter, dampende matboder, speilinger i den våte brosteinen, folk under paraplyer, 16:9

Så la jeg til noen ekstra. Nattmarkedet kjørte en gang til i 4K, noe bare MiniMax H3 Image kan. Seks referansebilder ble kombinert til ett kafévindu, et corgibilde ble gjort om til en snødag, og til slutt gikk bildet av kaffekruset til H3-video for et klipp på 5 sekunder.

Produktbilder og portretter mot Seedream 5.5

Begge krusbildene kunne brukes som de er. Forskjellen er stemningen. MiniMax H3 Image valgte varmere lys og en stor croissant tett på linsen, med bittflaten og smulene rett i forgrunnen. Det er et reklameoppsett. Seedream 5.5 la croissanten på en liten tallerken og skjøv den bakover, ga duken et grågrønt skjær og holdt hele bildet roligere.

Produktbilde av et kaffekrus og en croissant, sammenlignet

Venstre: H3 Image, høyre: Seedream 5.5

Portrettet viser en større forskjell. H3 ga meg en scene med en historie i: en gammel kvinne i arbeid ved benken, en kjevle ved hånden, mel over hele underarmene, hyller med brød bak henne og vinduslys som faller inn fra venstre. Seedream 5.5 gjorde det til et portrett rett forfra: bakeren ser rett inn i kameraet mens bakeriet glir ut i bakgrunnen. Til merkevarehistorier er H3-versjonen mer nyttig. Trenger du bare et rent bilde av en person, holder det fra Seedream helt fint.

Miljøportrett av en eldre baker, sammenlignet

Venstre: H3 Image, høyre: Seedream 5.5

Plakattekst og en stor nattscene

Plakaten er en skrifttest. Begge modellene fikk overskriften riktig, og linjen "Tromsø · Winter 2026" nederst også. MiniMax H3 Image smøg likevel inn en ekstra linje med "Norway" under overskriften. Tromsø ligger riktignok i Norge, men den linjen sto ikke i prompten. Hvis dette var godkjent tekst fra en kunde, ville den typen improvisasjon bety at det må gjøres på nytt.

Retro reiseplakat, sammenlignet

Venstre: H3 Image, høyre: Seedream 5.5

Begge håndterte nattmarkedet vakkert. Lyktene, dampen og speilingene på bakken er der alle sammen. H3 tok det nesten rett ovenfra, som en drone som henger over gaten. Seedream 5.5 vippet vinkelen og fikk med bygningene i det fjerne, noe som gir mer dybde. Kall denne uavgjort. Det kommer an på hvilken vinkel du vil ha.

Luftbilde av et nattmarked i regnvær, sammenlignet

Venstre: H3 Image, høyre: Seedream 5.5

Hva 4K faktisk gir deg

Jeg kjørte nattmarkedsprompten på nytt på MiniMax H3 Image i 4K, og filen kom ut i 5120×2891. Skalert ned ser den omtrent ut som 2K-versjonen. Zoom inn til 100 %, så ser du hva den er til.

Hele 4K-bildet av nattmarkedet

Hele 4K-bildet av nattmarkedet, skalert ned her

Beskjær nudelboden til venstre, og alt holder: dampen over grytene, radene med boller, speilingene i de gjennomsiktige paraplyene, ingenting av det flyter sammen. De store skiltene, "拉麵 NOODLES" og "炒飯 FRIED RICE", er rent skrevet. Det er på liten tekst det svikter. De små kinesiske tegnene ved siden av skiltet viser seg å være volapyk når du zoomer inn.

Et utsnitt fra 4K-originalen

Nudelboden til venstre i 4K-originalen, beskåret i 100 %, med skiltet øverst til venstre

Så 4K passer til realistiske scener du har tenkt å forstørre eller beskjære senere, som å hente ut flere innlegg til sosiale medier fra ett bredt bilde. Ikke regn med at den får liten tekst riktig. Den er heller ikke mye tregere enn 2K. I denne runden brukte H3 omtrent 28 til 50 sekunder per bilde i 2K og omtrent 28 til 61 sekunder i 4K. Seedream 5.5 brukte 24 til 35 sekunder i 2K, litt raskere.

Seks bilder til ett, pluss en redigering

MiniMax H3 Image tar opptil 16 referansebilder, mens Seedream 5.5 tar opptil 10. Jeg brukte seks og ba om et kafévindu: de første tingene satt fram på en disk av tre, den røde sykkelen fra moodboardet parkert utenfor vinduet og de tre plakatene hengt opp på bakveggen.

De seks referansebildene

De seks referansebildene, fra venstre mot høyre: teboks og teposer, krus og croissant, robotleke i filt, hvit tekanne, moodboard, tre illustrerte plakater

Begge fikk med alle seks, og blomstene på teboksen, roboten og plakatene stemmer alle med referansene. Forskjellen ligger i plasseringen. H3 tok sykkelen inn i lokalet og lente den mot et bord. Seedream 5.5 gjorde som den ble bedt om og lot den stå ute på fortauet. I denne testen fulgte ikke H3 de romlige instruksjonene i en sammensetning med flere bilder, så sjekk sammensetningene dine når de kommer ut. Tidsmessig brukte H3 51 sekunder på denne og Seedream 39.

Kafévindu satt sammen av seks bilder, sammenlignet

Venstre: H3 Image, høyre: Seedream 5.5

Til redigering prøvde jeg den vanligste forespørselen i Rediger bilde: et mobilbilde av en corgi med labbene oppe på en disk ved siden av en gul flaske, gjort om til en snødag mens hunden og flasken får være i fred. Begge fikk det til, og posituren til corgien og flasken ble værende der de var. H3 la snøen tykkere på og gikk kaldere, mens Seedream beholdt mer av varmen i originalen. Begge kan brukes. H3 brukte rundt 71 sekunder på denne redigeringen, tregere enn på tekst til bilde.

Corgibilde redigert til en snøscene

Fra venstre mot høyre: originalbildet, snøredigeringen fra H3 Image, snøredigeringen fra Seedream 5.5

Fra bilde til video med H3

MiniMax H3 Image kommer fra samme familie som videomodellen MiniMax H3, så til slutt ga jeg bildet av kaffekruset til H3-video som startbilde: 480p, 5 sekunder, med prompten "damp stiger opp, langsom push-in, en hånd strekker seg inn fra høyre og tar croissanten". På ZOOOP er det Start-/sluttbilde med bare startbildet fylt ut.

Alle tre tingene skjedde. Dampen stiger, kameraet kjører inn, og en hånd kommer inn fra høyre og løfter croissanten med en bevegelse som ser naturlig ut. Det er likevel én kontinuitetsglipp. Croissanten med et bitt tatt av er hel igjen så snart den løftes opp, noe du kan se ved å sammenligne det første bildet med de to siste. Modellen husket croissanten og glemte bittet. Du kan prøve å gjenta "ett bitt tatt av" i videoprompten, eller bare starte fra et bilde med en urørt croissant.

Fem bilder fra klippet fra bilde til video

Fem bilder fra H3-videoklippet i tidsrekkefølge fra venstre mot høyre; i de to siste er croissanten hel igjen

Videoen tok omtrent 171 sekunder å generere.

Hvilken du bør bruke

Velg MiniMax H3 Image når du trenger 4K, store realistiske bilder du skal forstørre og beskjære, eller mange referanser på én gang. Produktbildene og portrettene har en sterk stedsfølelse og ligner mer på ekte reklameopptak og dokumentarbilder.

For gjennomsiktig bakgrunn, stødige redigeringer av samme bilde runde etter runde, eller gjenstander plassert akkurat der du ba om, er Seedream 5.5 det tryggeste valget. Den var den eneste som satte sykkelen på riktig sted denne gangen. For teksttunge oppsett som menyer og infografikk er ingen av dem førstevalget; gå til GPT Image 2.6 i stedet.

En ting til som er praktisk: alt du lager, kan gå rett til H3-video som startbilde. For å prøve det åpner du MiniMax H3 Image, kjører noen i 2K for å finne en retning, og bytter til 4K når du liker det du ser.

Vanlige spørsmål

Hvor mange referansebilder kan MiniMax H3 Image ta?

Opptil 16. Uten bilde er det tekst til bilde; legger du til bilder, redigerer eller kombinerer den dem. Seedream 5.5 tar opptil 10.

Kan MiniMax H3 Image lage gjennomsiktig bakgrunn?

Nei. Til klistremerker, ikoner eller frilagte produkter på gjennomsiktig bakgrunn bruker du Seedream 5.5.

Hvor store er 4K-bildene?

Langsiden er omtrent 5120 piksler, så 16:9 kommer ut i 5120×2891. Både 2K og 4K tilbyr alle de åtte sideforholdene.

Kan jeg kjøre MiniMax H3 Image lokalt?

Vektene er offentlige på Hugging Face, så du kan laste dem ned og kjøre dem selv; sjekk de offisielle notatene for maskinvarekrav. På ZOOOP er det ingenting å sette opp: åpne modellsiden og skriv en prompt.

Hvordan fungerer H3 Image og H3-video sammen?

Lag et bilde først, gi det så til H3-video som startbilde og beskriv hvordan scenen skal bevege seg. Detaljer kan endre seg i videoen, som croissanten her som mistet bittmerket da den ble løftet opp.

Del

Oppdag mer

Se alle